同样的问句连跑七天，我发现AI答案的波动比想象中大得多

根据我这边过去一周的实测数据，同一个GEO问句在同一个入口下，连续七天跑出来的AI答案，关键信息点的重合度只有67%。这个数字比我预想的低不少。

先对齐一下口径：我用的是同一个问句模板，在同一家模型服务商下，每天固定三个时间点采样（9点、14点、21点），每次采样间隔5分钟连跑3次取稳定结果。七天下来共63次有效样本。

波动主要来自两个地方。

第一是采样间隔。我一开始以为5分钟够稳定了，后来发现同一时段连续两次采样，答案里引用的来源链接有将近三成不一样。把间隔拉到30分钟再跑，来源链接的稳定性才到85%左右。这说明模型返回结果跟后端检索池的刷新节奏有关，间隔太短反而容易采到同一批缓存。

第二是模型版本。我逐次核对了API返回的版本号，七天里碰上一次小版本更新，更新前后的答案在品牌名称的表述上出现了明显偏移——同一个品牌，更新前叫全称，更新后叫简称。这个偏移不修复的话，跨版本对比数据基本不能用。

所以我的判断是：现在社区里很多GEO效果的对比数据，如果没把采样间隔和模型版本这两个变量控制住，结论的置信度是要打问号的。效果好不好，得等更长的观察窗口和更严格的取数规范出来再说，不能拿单次或短周期的截图就下结论。

我打算接下来把采样间隔固定到30分钟，同时记录每次的版本号，再跑两周看看波动能不能收敛到可接受范围。

想请教一下各位：你们平时做GEO效果监测时，采样间隔一般设多少？有没有人碰到过模型小版本更新把前后数据直接干断的情况？